解讀2025數據存儲產業發展研究報告，曙光持續加碼AI存儲

點擊藍字

關注我們

在人工智能算力全面爆發的背景下，數據存儲體系正在迎來前所未有的結構性變革。全球數據總量以年均36%增速爆發，預計2030年突破200ZB。中國2024年數據產量達41.06ZB，非結構化數據占比超80%，而AI 訓練數據需求年增40.95%。

近日，由中電標協數據存儲專委會發布的《數據存儲產業發展研究報告（2025）》指出：隨著大模型訓練規模持續擴大、邊緣智能設備大量普及，AI 存儲正從單純的容量擴張邁向更為深層次的體系化創新，“存算協同”成為行業公認的演進方向。

在這一趨勢下，曙光存儲憑借長期在存儲系統、數據基礎設施和算力調度領域的技術積累，成為報告中重點引用的實踐范本之一。尤其在AI 原生存儲與移動智算中心等前沿場景中，曙光存儲通過工程化路徑推動產業共識正在加速落地。同時，其技術也已在高校科研與智能機器人企業中得到驗證，包括西湖大學高性能計算中心和智元機器人等典型代表。

圖：中科曙光高級副總裁關宏明

01.

報告指出，AI 模型規模的擴張直接改變了存儲系統的角色。過去，存儲的核心任務是“把數據存下來”；如今，面對 PB 級到 EB 級的數據湖、多模態訓練數據和大量實時數據流，僅依靠擴容已無法滿足發展需求。新的挑戰包括：

• 吞吐量指數級提升：AI 訓練需要源源不斷的大帶寬數據供應，要求存儲具備高并行度與高速流入能力。

• 延遲敏感性增強：推理與邊緣任務對毫秒級延遲提出嚴苛要求。

• 數據類型更復雜：視頻、音頻、傳感信息、多模態向量需要更智能的數據組織與預處理。

• 海量終端數據產生分布式數據壓力：移動終端、無人設備、城市攝像頭等產生的邊緣數據難以全部傳回中心。

基于這些變化，報告將“存算協同”定義為下一代 AI 存儲的核心趨勢：存儲不僅負責保存數據，更直接參與預處理、過濾、特征提取、調度和近數據推理，成為 AI 計算流程的一環。

02.

存算協同成為核心趨勢：AI原生存儲加速落地

“存算協同”并非停留在概念階段。報告指出，它包括三個關鍵特征：

• Near-Data Processing（近數據計算）：將解碼、過濾、裁剪、索引構建等數據預處理操作下沉至存儲節點，實現減少數據搬運成本，提高訓練效率。

• 跨層次算力協同調度：在中心云、邊緣節點、移動智算中心之間形成算力與數據的協同鏈路。

• AI原生的數據布局與接口：面向訓練、推理、可重復性檢索等任務構建優化的數據結構，提升吞吐效率。

報告提到，這類系統的典型特征是：存儲節點本身具備輕量算力，能夠“邊存邊算”，為 AI 模型提供處理好的數據流，而不再是簡單的數據倉庫。

03.

曙光存儲：AI存儲從趨勢到工程落地的關鍵代表

作為國內最早布局 AI 數據基礎設施的企業之一，曙光的 AI 存儲體系在報告中被多次作為代表性實踐引用。曙光存儲的技術演進路徑形成領先優勢：

1. 面向高實時性與高并發場景的架構優化

曙光存儲在多代產品中持續強化并行訪問能力，通過高速互聯與優化 I/O 調度策略，讓存儲節點能夠以更高帶寬支撐大模型訓練。在實際應用中，其系統可以穩定支持數百塊 GPU 的并發訓練任務。在自動駕駛訓練集、金融高頻交易、實時風控分析等業務中具備領先實踐經驗。

西湖大學高性能計算中心在 2024 年部署曙光 AI 存儲后，實現了：    

• 單節點 150 GB/s 帶寬輸出（為國際主流方案的 4 倍）

• 大規模模型訓練效率提升約 30%

• 多模態科研數據的解碼與預處理前置至存儲端

該項目成為“高密度科研算力 + AI 原生存儲”的典型示范，也驗證了曙光存算協同架構在科研級任務中的有效性。

2. 綠色存儲引領者——浸沒式相變液冷系統

曙光自研浸沒式相變液冷系統，使數據中心 PUE 低至 1.04。極大提升高密度 GPU/存儲節點的散熱效率，為 AI 集群長期穩定運行提供保障。成為“雙碳”目標下數據中心綠色化轉型的重要示范工程。

圖：曙光浸沒式相變液冷系統

3. 分布式存儲架構支持 PB 級 AI 數據高速處理

曙光存儲將輕量算力直接集成在存儲節點，實現視頻解碼、數據過濾、特征抽取等功能前置，大幅降低跨節點數據傳輸量。支持 PB–EB 級數據湖的高性能讀寫與萬卡規模訓練集群擴展。對于多模態、視頻類、長序列數據任務效果尤為顯著。

智元機器人在其下一代智能機器人研發中部署曙光存儲 ParaStor 分布式全閃存系統，亮點包括：

• 高性能訓練存儲池：為大規模機器人視覺、運動軌跡、多模態語義數據提供高帶寬輸入

• 對象存儲作為數據湖底座：支撐海量傳感器與仿真數據歸檔

• 智能化運維與故障預測功能：有效提升訓練集群穩定性

• 存儲端完成部分解碼與數據規整：減輕上層 GPU 訓練壓力

該案例成為 AI 原生存儲在“機器人+大模型”方向的重要落地，體現了存算協同在產業側的加速滲透。

4. 參與國家“存力中心”建設，深度支撐中國移動智算中心

曙光存儲方案已應用于多個省份的中國移動智算中心。為其提供 AI 存儲系統、數據治理與智能調度能力，是運營商智算基礎設施的重要合作伙伴。

5. 前瞻布局存算協同與新一代互聯技術

持續投入存算一體、CXL 高速互聯、智能調度、綠色液冷等前沿領域。推動軟硬件協同，打造面向 AI 工作負載的新型數據基座。

04.

中國移動智算中心：AI原生存儲的最佳驗證場

作為全國領先的運營商級智算基礎設施，中國移動智算中心服務：

• 政務行業大模型訓練與部署

• 視頻智能分析（治安/城市管理/應急指揮）

• 交通、能源、制造等行業級 AI 應用

• 多模態數據的實時處理與回傳

其數據呈現以下特征：

• 數據量巨大：多模態、多來源、多鏈路：高清視頻、語音、IoT 信息、行業系統數據實時匯聚。

• 高帶寬與低時延并重：智算中心需為萬卡級 GPU 提供高并行 IO。

• 弱網絡與中心云壓力并存：大量邊緣數據無法全部回傳，需要本地算力+本地存儲協同。

• 極端可靠與高密度部署：運營商級設施需滿足 7×24 小時持續穩定運行。

基于中國移動的場景要求，曙光存儲提供了涵蓋底層硬件、數據調度到 AI 優化的整體方案：

圖：中國移動呼和浩特數據中心

1. 存算協同架構實現近數據處理

曙光存儲在智算中心部署的 AI 原生存儲節點可完成：

• 視頻間隔抽幀

• 場景識別與標簽生成

• 數據過濾與結構化

• 特征向量提取后再傳給 GPU

• 有效降低 GPU 的數據預處理負載，提高訓練效率。

2. 實時數據分級與冷熱分層調度

系統可自動判斷：

• 熱數據：參與實時推理與結構化處理

• 溫數據：進行輕量壓縮后存儲

• 冷數據：按需回傳到中心云

• 異常數據：自動上報調度中心AI模型

提升數據利用效率并顯著降低鏈路壓力。

3. 支持大規模節點間“滾動式”同步與容災

滿足運營商級別的：

• 數據冗余保障

• 多活中心

• 快速容災切換

• 大規模訓練任務的連續性保障

  
  

05.

行業影響：曙光存儲為 AI 原生存儲建設提供參考路徑

報告指出，“存算協同”并非單一技術突破，而是存儲、網絡、軟件棧、算力調度等多技術融合的系統性升級。曙光存儲的實踐證明：

• AI 存儲可以從概念走向可落地的工程形態
  

• 移動、邊緣、高性能訓練等多場景需求將推動 AI 存儲進入標準化階段
  

• 數據預處理+智能調度是下一代存儲系統差異化的核心能力

隨著 AI 模型在政務、制造、交通、科研等領域加速落地，數據量將持續攀升，行業對“AI 原生數據基座”的需求將大幅提升。曙光在架構、產品和工程化落地方面的持續創新，將成為推動中國 AI 基礎設施邁向高效、智能、協同階段的重要力量。

< 長按識別二維碼添加好友 >

加入上述群聊

長按并關注

帶你走進萬物存儲、萬物智能、

萬物互聯信息革命新時代

微信號：SSDFans